УПРАВЛЕНИЕ ПРЕДПРИНИМАТЕЛЬСКИМИ СЕТЯМИ АРКТИЧЕСКИХ ТЕРРИТОРИЙ:  МЕТОДИКА ПРОЕКТИРОВАНИЯ СЕТЕВОЙ АРХИТЕКТУРЫ И ЕЕ РЕАЛИЗАЦИЯ НА PYTHON

Научная статья

УДК 004.422.8:338.24:334.7:332.012.

doi:10.37614/2220-802X.1.2024.83.012

Скачать статью

Марина Анатольевна Метелева

Институт научных исследований проблем управления, Кемерово, Россия, IMR42meteleva@gmail.com,  ORCID 0000-0002-5785-8409

 

Аннотация. Целью работы является развитие методики проектирования предпринимательских сетей на основе оценки потенциалов акторов — общественных и экономических групп — участников предпринимательских отношений, локализованных на территориях макрорегиона Арктической зоны Российской Федерации (АЗРФ), обеспечивающей обоснованное участие акторов в сетевых альянсах. Методические подходы и результаты оценки предпринимательских потенциалов акторов были представлены в предыдущих публикациях, в которых автор развивает подходы таким образом, чтобы была учтена специфика арктических процессов и возможности ее широкой интерпретации. Для этого оценивается потенциал круга акторов — стейкхолдеров арктических территорий,  а показатели интегрируют данные, способствующие максимальной детализации их предпринимательских свойств: причастности к созданию инфраструктуры предпринимательства; масштабности деятельности, инновационной активности и профессионализма общественных организаций; эффективности госуправления территорий  по формированию благоприятного инвестиционного климата; вовлеченности населения в инновационные процессы (степени интеграции местных и научных знаний, осуществляемой через формирование формальных и неформальных институтов и программ взаимодействия населения и научных сообществ; степени развития общественных институтов как субъектов трансфера инновационных решений между участниками территориальной инновационной системы  и т. п.); степени монополизации экономики территории крупной корпорацией; наличия на территории крупного венчурного инвестора; типу венчурной политики крупных корпораций как индикатора этапа освоения территории. Задачей данной статьи является определение теоретических основ и методических положений проектирования архитектуры сетевых арктических альянсов, целевой функцией которых является обеспечение максимально возможного предпринимательского потенциала, определенного с учетом специфики арктических процессов  и возможности их оперативной рекомбинации в условиях быстрых изменений предпринимательской среды.  В результате предложен авторский методический подход к оперативному определению состава акторов предпринимательских сетей и опорных связей между центральными акторами по целевой функции максимизации арктического предпринимательского потенциала и его реструктуризации, автоматизированный на языке программирования Python, что обусловило новизну исследования. Предложен авторский вариант программного обеспечения процесса формирования управленческой информации для пользователя — брокера сети. Все данные для оценки и проектирования получены из открытых официальных источников сети Интернет, что обеспечивает оперативность их сбора и обработки. В перспективе предполагается развитие положений методологии, ориентированной на мезоуровень макрорегиона АЗРФ, для территориальных, производственных, социально-экономических систем, обладающих значительным потенциалом формирования отношений экономики инноваций.

Ключевые слова: предпринимательские сети, акторы, связи, инновационный потенциал, проектирование, управление, программное обеспечение

Для цитирования: Метелева М. А. Управление предпринимательскими сетями арктических территорий: методика проектирования сетевой архитектуры и ее реализация на Python // Север и рынок: формирование экономического порядка. 2024. № 1. С. 170–185. doi:10.37614/2220-802X.1.2024.83.012.

Список источников

  1. Кастельс М. Информационная эпоха: Экономика, общество и культура: Пер. с англ. / под науч. ред. О. И. Шкаратана. М.: ГУ ВШЭ, 2000. 608 с.
  2. Метелева М. А. Проектирование предпринимательских сетей: оценка сетевого потенциала региона АЗРФ // Север и рынок: формирование экономического порядка. 2020. № 3 (69). С. 56–71. DOI:10.37614/2220-802X.2.2020.69.004
  3. Метелева М. А. Проектирование и управление предпринимательскими сетями: оценка сетевого потенциала населения территорий Арктической зоны Российской Федерации // Север и рынок: формирование экономического порядка. 2021. № 4 (69). С. 172–187. DOI:10.37614/2220-802X.4.2021.74.013
  4. Метелева М. А. Проектирование предпринимательских сетей: развитие методики оценки сетевого потенциала корпораций Арктической зоны Российской Федерации // Север и рынок: формирование экономического порядка. 2022. № 3 (77). С. 19–35. DOI: 37614/2220-802X.3.2022.77.002.
  5. Пилясов А. Н. Арктическая диагностика: плох не метр — явление другое // Север и рынок: формирование экономического порядка. 2018. № 5 (61). С. 35–54.
  6. Комаров И. К., Пилясов А. Н., Комарова И. И., Марков К. В. Опыт отбора пилотных кластеров // Современные производительные силы. 2014. № 4. С. 61–96.
  7. Филипс Д., Гарсиа-Диас А. Методы анализа сетей: Пер. с англ. М.: Мир, 1984. 496 с.
  8. Форд Л. Р., Фулкерсон Д. Р. Потоки в сетях: Пер. с англ. М.: Мир, 1966. 276 с.
  9. Майника Э. Алгоритмы на сетях и графах: Пер. с англ. М.: Мир, 1981. 323 с.
  10. Уилсон Роберт Дж. Введение в теорию графов: Пер. с англ. СПб.: ООО «Диалектика», 2019. 240 с.
  11. Newman M. E., Girvan M. Finding and evaluating community structure in networks // Physical review. 2003. 69 (2). 026113. P. 1–15.
  12. Liu X. M. et al. The energy management and economic optimization scheduling of microgrid based on Colored Petri net and Quantum-PSO algorithm // Sustainable Energy Technologies and Assessments. 2022. No. 53. 102670. Journal homepage: www.elsevier.com/locate/seta.
  13. Ujwary-Gil A. Organizational network analysis: A study of a university library from a network efficiency perspective // Library and Information Science Research. 2019. No. 41. P. 48–57. Journal homepage: www.elsevier.com/locate/lisres.
  14. Chao Chen, De-feng Kong, Zheng-jun Du, Li Ran. Modeling and solution of COA development based on timed influence net and game theory // Applied Mathematical Modelling. 2014. No. 38. P. 5269–5278. Journal homepage: www.elsevier.com/locate/apm.
  15. Koponen M. et al. Using network analysis methods to investigate how future teachers conceptualize the links between the domains of teacher knowledge // Teaching and Teacher Education. 2019. No. 79. P. 137–152. Journal homepage: elsevier.com/locate/tate.
  16. Maxwell R. J., Filgueira R. Key players in the Grieg NL Placentia Bay Atlantic Salmon Aquaculture Project: A social network analysis // Marine Policy. 2020. No. 113. 103800. Journal homepage: http://www.elsevier.com/locate/marpol.
  17. Sattler С. Using Process Net-Map to analyze governance innovations in the forestry sector // Ecosystem Services. 2022. No. 55. 101433. Journal homepage: www.elsevier.com/locate/ecoser.
  18. Фрэнк Г., Фриш И. Сети, связи и потоки: Пер. с англ. / под ред. Д. А. Поспелова. М.: Связь, 1978. 448 с.
  19. Javaid M. A. Understanding Dijkstra’s Algorithm. SSRN 234090. 2013. papers.ssrn.com
  20. Stojkovikj N. et al. Visualization of Ford-Fulkerson algorithm // Balkan Journal of applied mathematics and informatics (BJAMI). 2019. Vol. 2, No. 2. P. 7–20.
  21. Shu-Xi W. The Improved Dijkstra’s Shortest Path Algorithm and Its Application // Procedia Engineering. 2012. No. 29. P. 1186–1190.
  22. Denga Y. et al. Fuzzy Dijkstra algorithm for shortest path problem under uncertain environment // Applied Soft Computing. 2012. No. P. 1231–1237.
  23. Sapundzhi F. I., Popstoilov M. S. Maximum-flow problem in networking // Bulgarian Chemical Communications. 2020. Vol. 52. Issue A. P. 192–196. DOI: 10.34049/bcc.52.A.255.